AI implementeren in je bedrijf: het stappenplan

Een kans zonder getal is een mening. Geef daarom elke stap in het proces drie getallen: hoe lang duurt het, met hoeveel mensen, en hoe vaak gebeurt het?

Een voorbeeld. Orderinvoer kost 40 minuten per keer, er werken 2 mensen aan en het gebeurt 80 keer per maand. Dat is 6.400 minuten, ruim 106 uur per maand. Bij loonkosten van € 45 per uur kost dit proces € 57.600 per jaar. Nu heb je iets om over te praten.

Meet ook wat er misgaat. Hoe vaak klopt een order niet? Hoe lang wacht een klant op antwoord? Wat kost een fout als hij pas bij de levering opvalt? Foutkosten en doorlooptijd vergeten veel bedrijven, terwijl ze vaak meer opleveren dan de bespaarde uren.

Kijk ook naar de organisatie

Naast de processen meten wij de AI-volwassenheid van de organisatie op zeven punten: strategie, data, technologie, mensen, processen, governance en cultuur. Het zwakste punt bepaalt meestal waar je begint. Een prachtige kans heeft weinig zin als de data verspreid staat over vijf Excel-bestanden op iemands laptop.

Wil je een eerste indicatie? Doe dan de gratis zelfscan op deze site: zeven vragen, twee minuten.

Met een lijst van kansen op tafel is de verleiding groot om alles tegelijk te doen. Niet doen. Zet de kansen op een impact-effortmatrix: wat levert het op, en hoeveel moeite kost het? Begin met een proces dat veel oplevert en weinig moeite kost. Grote projecten komen later, als het fundament er ligt.

Reken zoals een accountant, niet zoals een verkoper

• Nooit 100 procent. Er blijft altijd controle en uitzonderingswerk. Wij rekenen met hooguit 90 procent besparing per stap.
• Drie scenario's. Voorzichtig, verwacht en ambitieus. Je beslist op het verwachte scenario.
• Een rem bij twijfel. Ontbreekt de data, of zijn er geen voorbeelden van goed werk? Zet de betrouwbaarheid dan op maximaal 40 procent.

Terug naar de orderinvoer. Stel dat AI in het verwachte scenario 60 procent van het werk overneemt. Dan bespaar je € 34.560 per jaar. Kost de bouw en het beheer daarvan minder dan de helft, dan heb je een business case.

Kies de juiste bouwlaag

Niet elke kans hoeft gebouwd te worden. Wij onderscheiden vier lagen:

1. 01Prompts en kennis: beter werken met ChatGPT, Copilot of Claude
2. 02Skills en assistenten: eigen assistenten die je werkwijze kennen
3. 03Workflowautomatisering: processen die vanzelf draaien, vaak in n8n
4. 04Maatwerk: AI-agents en software voor wat geen standaardtool kan

Laag 1 en 2 kan je team zelf leren. Laag 3 en 4 bouw je met een partner. De goedkoopste oplossing die werkt, wint.

AI is zo goed als wat je erin stopt. Dat is geen cliché, dat is de reden dat de meeste pilots stranden. Kijk voordat je bouwt naar drie dingen.

1. Waar staat de data?

In welk systeem staan de klanten, de artikelen, de prijzen? Is er een API of een export? Is de data schoon, of heeft elke klant drie schrijfwijzen? Een order kan AI pas goed in het ERP zetten als de artikelcodes kloppen.

2. Heb je voorbeelden van goed werk?

Wil je dat AI offertes opstelt zoals jullie beste accountmanager, dan heb je een stapel goede offertes nodig om van te leren. Zonder voorbeelden raadt AI naar jullie standaard. Daarom rekenen wij bij ontbrekende voorbeelden met hooguit 40 procent betrouwbaarheid.

3. Wat zijn de spelregels?

Leg vast welke tools mogen, welke gegevens erin mogen en waar een mens moet meekijken. Werk met zakelijke licenties en verwerkersovereenkomsten, en kies waar het kan voor hosting in de EU. Hoe je dat opschrijft, lees je in onze gids over AI-beleid. Over persoonsgegevens in ChatGPT schreven we een apart stuk.

Bij NinA blijft data in de EU, op de eigen infrastructuur van de klant of op servers bij een Europese aanbieder. We werken volgens ISO 27001 en NEN 7510 (certificering in voorbereiding). Azure OpenAI kan, als je al in Microsoft werkt.

Nu mag er gebouwd worden. Maar klein: één proces, één team, echte data. Geen demo met verzonnen voorbeelden, want die werkt altijd.

Begin met 'mens keurt goed'

Wij onderscheiden vier rollen voor mens en AI. Het werk blijft bij de mens. AI helpt: de mens doet het, AI levert een eerste versie. Mens keurt goed: AI doet het werk, een mens controleert voordat het de deur uit gaat. Of volledig AI, met steekproeven.

Bijna elk nieuw proces start bij 'mens keurt goed'. De medewerker ziet wat AI voorstelt, keurt goed of past aan. Zo leer je waar het goed gaat en waar niet, en groeit het vertrouwen op basis van wat je ziet. Pas als het maanden goed gaat, schuift een stap op naar volledig AI. Een gesprek met een boze klant schuift nooit op.

Koppel aan wat er al is

AI werkt pas echt als het in je eigen systemen zit: Exact, AFAS, SAP, Microsoft Dynamics, Salesforce, HubSpot, Microsoft 365, Google Workspace, je WMS of TMS. Een losse chatbot ernaast is weer een scherm erbij. Wij koppelen veel via n8n, en bouwen maatwerk waar dat nodig is.

Denk direct aan productie

Een pilot is geen eindstation. Spreek vooraf af wie eigenaar is, waar het draait, wie het bewaakt en wat er gebeurt als een systeem verandert. Anders heb je over drie maanden een werkende pilot die niemand durft aan te zetten.

Dit is de stap die het vaakst wordt overgeslagen, en de stap die bepaalt of het lukt. AI-trajecten stranden zelden op techniek. Ze stranden op de werkvloer: niemand heeft tijd, niemand weet wat er draait, en na een half jaar werkt het team op de oude manier.

Zeg eerlijk waar het om gaat

Mensen zijn bang voor hun baan, ook als niemand dat hardop zegt. Wees duidelijk: AI neemt taken over, geen mensen. Het doel is groeien zonder tien mensen extra aan te nemen, en minder overtypen voor de mensen die er al zijn.

Train op eigen werk

Een algemene demo over AI vergeet je in een week. Een training met je eigen offertes, je eigen klantvragen en je eigen systemen blijft hangen. Een workshop van een dagdeel zet een team op hetzelfde niveau.

Maak ambassadeurs

Zoek per team één of twee mensen die er zin in hebben. Zij testen als eerste, horen de klachten en helpen collega's. Betrek ook de mensen die het werk nu doen. Zij kennen de uitzonderingen die in geen enkel procesplaatje staan.

De wet vraagt het ook

Sinds 2 februari 2025 vraagt de Europese AI-verordening (AI Act, artikel 4) dat organisaties maatregelen nemen voor de AI-geletterdheid van de mensen die namens hen met AI werken. Een training op eigen werk is daar een logische invulling van. Leg vast wie welke training heeft gehad. Wat de wet precies vraagt, lees je op onze pagina over AI-geletterdheid. Twijfel je over jullie verplichtingen, vraag het dan een jurist.

Het eerste proces draait. Nu begint het eigenlijke werk: zorgen dat het blijft draaien, laten zien wat het oplevert en het volgende proces oppakken.

Meet elke maand

Hoeveel uur heeft het bespaard? Hoeveel fouten minder? Hoe snel krijgt de klant antwoord? Vergelijk het met de getallen uit stap 2. Laat het zien aan het team en aan de directie. Niets helpt adoptie zo goed als een collega die zegt: 'Ik ben vier uur per week minder kwijt aan facturen.'

Regel het beheer

AI-modellen worden vernieuwd, API's veranderen, een leverancier past zijn systeem aan. Iemand moet het bewaken, bijwerken en back-ups regelen. Doe je dat niet, dan ligt het proces er na een half jaar uit en weet niemand waarom. Bij NinA zit dat in het partnership of in een onderhoudscontract.

Schaal op langs de roadmap

Daarna komt het volgende proces van de lijst. Zo groei je door de vier fases van AI-adoptie: van losse prompts naar assistenten, naar workflows en uiteindelijk naar agents die zelf stappen plannen. De meeste organisaties staan in fase één. De waarde zit in fase drie en vier.

Na twaalf maanden doe je de nulmeting opnieuw. Waar sta je nu, en wat is het volgende jaar het meest waard?